Sa AI era, ang desisyon sa in-house-kumpara-agency ay hindi na pangunahin tungkol sa gastos. Panatilihin ang mga layer na nag-co-compound — brand judgment, first-party data, at ang client memory na nagpapabuti sa AI sa paglipas ng panahon — at gamitin ang mga agency para sa elastic production at specialist execution. Ang mapagpasyang tanong ay lumipat mula sa "ano ang mas mura?" tungo sa "ano ang bumubuti habang ginagawa natin ito nang mas marami?" Iba iyon na test, at tumuturo ito sa isang ibang hati.
Sumulat ako noon tungkol sa in-housing kumpara outsourcing noong 2007, noong halos puro economic ang argumento: hire-in ang capability o upahan ito. Mahalaga pa rin ang economics. Pero binabago ng AI kung ano ang "capability," dahil ang halaga ng isang team ngayon ay bahagyang nakasalalay sa iniipon nito. Iyon ang bahaging kinakalimutan ng karamihan ng debate sa in-housing.
Ano ang nagbago mula sa debate sa gastos
Ang lumang kalkulasyon ay simple. May scale ang isang agency, kaya maipapamahagi nito ang specialist cost sa mga client at sisingilin ka ng mas mababa kaysa sa isang full-time hire. Nag-o-outsource ka kapag ang pangangailangan ay paminsan-minsan o specialist; nag-i-in-house ka kapag ang pangangailangan ay tuloy-tuloy at sentro. Inilalarawan pa rin ng logic na iyon ang production capacity at channel expertise.
Ang idinadagdag ng AI ay isang pangalawang axis: may trabahong nagiging mas mahalaga habang mas maraming context ang ipapakain mo rito. Ang isang model na nakakita ng dalawang taon ng iyong brief, resulta, brand rules, at nakaraang desisyon ay gumagawa ng mas magandang trabaho kaysa sa bago. Ang pagbuting ito ay nag-iipon kung saan nakatira ang context. Kaya ang tanong ay hindi lang "sino ang makakagawa nito nang mas mura?" kundi "saan natin gustong mag-ipon ang pag-aaral?" — at ang sagot na iyon ay pumapabor sa pagpapanatiling malapit ng mga layer na nag-co-compound.
Ang mapagpasyang tanong: compounding o elastic
Ang bawat capability na maaari mong panatilihin o i-outsource ay nahuhulog sa isang spectrum sa pagitan ng compounding at elastic. Ang trabahong nag-co-compound ay bumubuti habang nag-iipon ito ng context na pag-aari mo: brand judgment, pag-unawa sa audience, performance history, ang record ng pinasya mo at bakit. Ang elastic work ay capacity na kailangan mo paminsan-minsan at ang halaga ay hindi nakasalalay sa partikular na history mo: production volume, overflow, isang specialist channel launch.
Ang mga compounding capability ay nabibilang in-house, dahil ang pag-outsource sa kanila ay nangangahulugang inuupahan mo mismo ang bagay na gumagawa sa iyong mas mahusay. Ang mga elastic capability ay nabibilang sa isang partner, dahil ang pagbuo ng permanenteng capacity para sa paminsan-minsang trabaho ay pag-aaksaya. Karamihan ng pagkakamali ay nagmumula sa pagkalito sa dalawa — pagpapanatili ng elastic production in-house dahil sa ugali, o pagbibigay ng compounding layer sa isang agency at pagkatapos ay pagtataka kung bakit hindi kailanman bumuti ang trabaho.
Ang mapa ng capability
| Capability | Panatilihin in-house | Agency | Bakit |
|---|---|---|---|
| Brand at category judgment | Oo | — | Compounding, proprietary, mahirap i-brief |
| First-party data at memory | Oo | — | Dito nag-iipon ang pag-aaral; dapat mong pagmay-ari |
| Strategy at disenyo ng measurement | Oo | Limitado | Nagtatakda ng standard na minamana ng lahat |
| Media planning at buying | Shared | Shared | Judgment in-house, execution capacity inuupahan |
| Creative production sa volume | — | Oo | Elastic; ginawa itong mura at mabilis ng tool |
| Localization at transcreation | — | Halos lahat | Nangangailangan ng native nuance sa scale |
| Specialist channel | — | Oo | Paminsan-minsang expertise, mahirap i-staff nang permanente |
| Reporting at intelligence | Oo | Shared | Nag-co-compound ang interpretasyon; elastic ang assembly |
| Governance at policy | Oo | — | Ikaw ang accountable; hindi ito maaaring i-delegate |
Ang table ay isang panimulang posisyon, hindi isang tuntunin. Ang isang maliit na brand ay makatuwirang mag-outsource ng mas marami kaysa sa isang malaki; ang isang malaking brand ay maaaring mag-in-house ng production dahil may volume ito upang bigyang-katwiran. Ang axis na mahalaga ay compounding, at ang bawat hilera ay napapasya sa kung saan kailangang lumapag ang pag-aaral.
Bakit nananatili ang brand judgment
Ang brand judgment ang pinakamalinaw na tawag na in-house, at ginagawa itong mas malinaw ng AI. Makakagawa ang isang model ng on-brand na trabaho kung alam nito kung ano ang ibig sabihin ng "on-brand" para sa iyo — isang katawan ng taste, precedent, at context na hindi kailanman ganap na hawak ng isang partner. Habang mas maraming opsyon ang ginagawa ng model, mas nagiging mahalaga ang taong makakapagsabi kung alin ang tama.
Ito ang bitag sa pag-outsource ng brand judgment sa isang agency: maaari mong i-delegate ang trabaho pero hindi ang kaalaman sa sarili mong brand. Ang bawat round ng feedback na ibinibigay mo ay context na itinuturo mo sa model ng iba. Sa paglipas ng panahon, ang bumubuting asset ay nakaupo sa kanila, hindi sa iyo. Kung ang brand judgment ang paraan mo upang makipagkumpitensya, maling lugar iyon para mag-ipon ang pag-aaral.
Bakit nananatili ang data at memory
Ang first-party data at ang memory layer sa paligid nito ang compounding layer na pinakamahalaga, at ang pinaka-nasa-risk na ma-outsource nang aksidente. Kung itatayo ng isang agency ang context layer na gumagawa sa iyong mga campaign na mas matalino — ang brief, ang resulta, ang decision log — pagkatapos ay ang compounding benefit ay nag-iipon sa relasyon sa agency, at nawawala sa iyo sa araw na magwakas ang relasyon.
Lumalalim ako dito sa pagtatayo ng isang client-memory data moat. Ang maikling bersyon: ang model ay isang commodity na maaari mong upahan; ang memory ang asset na gumagawa sa inuupahang model na kapaki-pakinabang. Panatilihin ang memory. Upahan ang model. Ang governance ay ang parehong kuwento — hindi maaaring i-outsource ang accountability, kaya ang mga tuntunin tungkol sa kung ano ang makikita ng model at sino ang nagmamay-ari ng output ay nananatili sa iyo. Sinasaklaw iyon ng piraso sa data-governance nang detalyado.
Ano ang i-outsource
I-outsource ang elastic layer. Production volume, overflow, campaign localization, isang specialist channel na inilulunsad mo dalawang beses sa isang taon — lahat mabuting partner work. Ito ang mga capability kung saan ang halaga ay hindi nakasalalay sa partikular na history mo, kaya walang pagkawala ng compounding sa pag-upa sa kanila, at tunay na gastos sa pagbuo sa kanila nang permanente.
Ang AI-native partner dito ay tunay na kapaki-pakinabang, dahil ang isang workflow-driven na shop ay makakagawa at makaka-adapt ng trabaho sa bilis at gastos na hindi kayang tugunan ng iyong in-house team para sa paminsan-minsang pangangailangan. Ang punto ay ang bumili ng capacity nang hindi binibili ang pag-aaral. Panatilihin ang brief, ang standards, at ang decision record sa iyong panig ng pader.
Ang transition, kung nagre-re-split ka
Karamihan ng team ay hindi nagsisimula sa isang malinis na slate; may mix na sila, at naanod ito kaysa naidesenyo. Ang re-split ay pinakamahusay na gumagana bilang isang beses na audit. Ilista ang bawat capability na kasalukuyang binibili o itinatayo mo, markahan ang bawat isa bilang compounding o elastic, at karaniwang makakakita ka ng dalawa o tatlong nasa maling panig. Ang karaniwang nahanap ay isang outsourced na measurement function na dapat nag-i-interpret ng sarili mong data, at isang in-house na production team na gumagawa ng elastic work na kayang higupin ng isang partner.
Ilipat ang isang capability sa isang pagkakataon. Ang paghila ng compounding layer in-house ay isang proyekto — kailangang i-migrate ang context at itayo muli ang memory sa iyong panig — kaya gawin ito nang sadyain, hindi sa isang panic kapag malapit nang mag-renew ang kontrata. At maging tapat sa itinayo ng partner: kung ang workflow ay naglalaman ng iyong context, bahagi ng paglipat ang pag-extract nito, hindi isang pag-iisip pagkatapos.
Ang implikasyon sa kontrata
Binabago ng split kung ano ang dapat sabihin ng kontrata. Kung ang compounding layer ay nananatili in-house, dapat tahasan ang kasunduan sa partner tungkol sa data: ano ang maaaring itago ng agency, ano ang dapat ibalik o tanggalin sa dulo, at sino ang nagmamay-ari ng anumang hinango mula sa iyong context. Ang default sa karamihan ng kontrata ay tahimik tungkol dito, na tahimik na nagbibigay sa compounding asset sa partidong nagtayo ng workflow.
Magtanong ng tatlo sa kahit anong partner. Anong context ang itinatago mo pagkatapos ng engagement? Maaari ba naming i-export ang memory layer na itinayo mo? Sino ang nagmamay-ari ng hinangong data? Kung malabo ang mga sagot, iyon ang tunay na risk sa deal — higit pa sa rate card.
FAQ
Dapat bang i-in-house ng isang brand ang sarili nitong AI tooling o gamitin ang sa isang agency?
Laging i-in-house ang context na pinapatakbuhan ng AI — ang iyong data, brand rules, at decision history — kahit gumagamit ka ng tools ng partner. Napepalitan ang tools; ang context ay asset. Maaari mong upahan ang model at ang workflow habang nagmamay-ari ng memory na gumagawa sa kanilang kapaki-pakinabang.
Kailanman ba tama na i-outsource ang strategy?
Para sa isang partikular na launch o isang market na hindi mo kilala, oo, bilang isang pansamantalang input. Pero ang strategy na nag-co-compound — ang standard sa kung paano ginagawa ang desisyon — ay nabibilang sa team na accountable sa resulta. Makiramay ng point of view; huwag i-outsource ang accountability.
Paano kung hindi namin kayang bayaran ang isang senior in-house team?
Doon kumikita ang elastic model. Upahan ang senior judgment para sa mga partikular na desisyon at gumamit ng partner para sa production, pero panatilihin ang context at ang accountability. Ang layunin ay ang pagmay-ari ng compounding layer kahit sa maliit na scale.
Paano kami magpapasya serbisyo-by-serbisyo?
Itanong kung nagiging mas mahalaga ba ang trabaho habang nag-iipon ito ng context na pag-aari mo. Kung oo, panatilihin in-house. Kung independyente ang halaga nito sa history mo, i-outsource ito. Ang nag-iisang test na iyon ay nagreresolba sa karamihan ng kaso nang walang mahabang debate.
Ang maikling bersyon
Sa AI era, panatilihin in-house ang mga compounding layer — brand judgment, first-party data, at ang memory na nagpapabuti sa AI — at gamitin ang mga agency para sa elastic production at specialist capacity. Naaangkop pa rin ang lumang tanong sa gastos, pero nakaupo na ito ngayon sa ilalim ng isang mas malaking tanong: saan natin gustong mag-ipon ang pag-aaral? Ang pagmay-ari sa sagot na iyon ang buong laro. Sinasaklaw ng Gabay sa Agency-Model ang natitirang bahagi ng hati, at pinapatakbo ito ng for in-house teams na track sa governance at measurement.
Kung pinatakbo mo ang hating ito sa sarili mong team, nais kong marinig kung aling layer ang naging mas mahirap panatilihin kaysa inaasahan mo.
Maraming salamat, Chandler
Ang artikulong ito ay available sa Filipino, pero ang course materials (video, template, at companion guides) ay nasa English, Japanese, Simplified Chinese, at Korean. Available ang site na ito sa 13 wika.